针对FCM(FuzzyC-Means)算法对于初始聚类中心敏感,并只适合于发现球状类型簇的缺陷,提出采用冗余聚类中心初始化的方法降低算法对初始聚类中心的依赖,并先暂时将大簇或者延伸形状的簇分割成用多个
随着大数据的快速发展,现实网络的规模不断增加。 为了减小网络规模,提出了一些粗粒度的方法将大规模网络转换为中规模网络。 提出了一种基于层次聚类(HCCG)的复杂网络粗粒度方法。 通过使用层次聚类方法对
论文《动态聚类新方法及最优聚类算法研究》,和大家分享～～～
提出了一种改进的基于对称点距离的蚂蚁聚类算法。该算法不再采用Euclidean距离来计算类内对象的相似性,而是使用新的对称点距离来计算相似性,在处理带有对称性质的数据集时,可以有效地识别给定数据集的聚
DBSCAN聚类算法的研究与改进pdf格式文件。比较不错的研究DBSCAN的文章
这是一篇标签共现的标签聚类算法研究论文。有需要的可以下载看看,我看过了对我很有帮助、
_Map-Reduce_并行聚类算法的研究
基于遗传算法的聚类挖掘研究,大家可以参考一下啊
关于DBSCAN算法描述的论文 文中分析了传统的聚类算法及局限性,讨论了一个基于高密度聚类算法的实现过程,使得算法可自动发现高维子空间,处理高维数据表格,得到较快的聚类速度和最佳的聚类效果。
主要介绍了现在比较流行的云计算平台,以及如何在云计算平台上实现并行聚类
